Durch Trends wie die Digitalisierung, immer verfügbare Online-Shops und Bestellsysteme, die Nutzung von neuen Technologien und größer werdende Datenmengen, gab es in den letzten Jahren eine massive Veränderung der Logistik. Dem hinzukommend verursachte eine weltweite Pandemie einen immensen Druck auf die Logistikbranche . Szenarien wie Ausfälle der Lieferketten, verursacht durch Maschinen oder Softwaresysteme, müssen vermieden werden. Deswegen versucht die Logistikwirtschaft neue Technologien wie Predictive Maintenance und Data Mining in deren Warehouse Management Systeme einfließen zu lassen, um eine nahezu unterbrechungsfreie Logistiklieferkette gewährleisten zu können. Aus diesem Grund werden in der vorliegenden Arbeit die Einflussfaktoren und Potentiale des Data Minings auf Predictive Maintenance in einem Warehouse Management System evaluiert. Um diese Einflussfaktoren des Data Minings zu finden, wurden im ersten Schritt Data Mining Verfahren und deren Einsatzzwecke in der Logistik mit Hilfe einer Literaturrecherche elaboriert. Des Weiteren wurden die Einsatzgebiete von Predictive Maintenance in einem Warehouse Management System seitens Hardware aber auch Software näher betrachtet. Die im Theorieteil der Arbeit erkannten Einflussfaktoren und Potentiale des Data Minings auf Predictive Maintenance in einem Warehouse Management System wurden mittels Interviews mit Experten und Expertinnen aus der Logistikbranche durchgeführt, ausgewertet und evaluiert. Der zentrale Einflussfaktor ,welcher von allen Experten und Expertinnen genannt wurde, ist das aktive Benutzen und Verwerten des Wissens sowie die gewonnenen Erkenntnisse durch das Data Mining. Schließlich konnten, durch die Auswertung der Interviews konnten, folgende Einflussfaktoren und Potentiale erarbeitet werden: ▪Mittels IOT Geräten, welche an Maschinen und Fördertechnik angebracht werden, können frühzeitig Störungen mittels Data Mining Techniken erkannt und aufgezeigt werden. ▪Der Einsatz der Regression auf den Durchsatz eines Systems mittels historischer Daten, um eine Veränderung der Durchlaufzeiten zu erkennen und somit frühzeitig eine Störung oder ein Problem vorauszusagen.